“爬蟲”如何搶低價票？借助超鏈接信息抓取網(wǎng)頁

你的低價機票 被“蟲子”吃了

不到兩個月，2018年春節(jié)要來了。

“今年我得早下手，搶張回家的低價機票?！痹诒本┐蚬さ男⊥鯇萍既請笥浾哒f，由于老家在云南，春節(jié)機票太貴，他都選擇坐兩天兩夜的火車回去，長途跋涉，苦不堪言。

然而，就在小王摩拳擦掌，準備使出“洪荒之力”搶張便宜機票時，看到網(wǎng)上曝出這樣一則消息：航空公司放出的低價機票，80%以上被票務(wù)公司的“爬蟲”搶走，普通用戶很少能買到。

小王傻眼了，“爬蟲”究竟是什么鬼？它又是怎么搶機票的？難道就沒有辦法治理嗎？

借助超鏈接信息抓取網(wǎng)頁

“‘爬蟲’技術(shù)是實現(xiàn)網(wǎng)頁信息采集的關(guān)鍵技術(shù)之一，通俗來說，‘爬蟲’就是一段用來批量、自動化采集網(wǎng)站數(shù)據(jù)的程序，幾乎不需要人工干預(yù)?！北本├砉ご髮W(xué)網(wǎng)絡(luò)科學(xué)與技術(shù)研究院副教授閆懷志告訴科技日報記者。

閆懷志介紹，“爬蟲”又稱網(wǎng)頁“蜘蛛”、網(wǎng)絡(luò)機器人，它是一種按照一定規(guī)則自動抓取網(wǎng)頁信息的程序或者腳本，通常駐留在服務(wù)器上。在Web網(wǎng)頁中，既包含可供用戶閱讀的文字、圖片等信息，還包含一些超鏈接信息。網(wǎng)絡(luò)“爬蟲”正是借助這些超鏈接信息來不斷抓取網(wǎng)絡(luò)上的其他網(wǎng)頁。

“這種信息采集過程很像一個爬蟲或蜘蛛在網(wǎng)絡(luò)上漫游，網(wǎng)絡(luò)‘爬蟲’或網(wǎng)頁‘蜘蛛’因此得名。”閆懷志說，“爬蟲”最早應(yīng)用在搜索引擎領(lǐng)域，比如谷歌、百度、搜狗等搜索引擎工具每天需要抓取互聯(lián)網(wǎng)上數(shù)百億的網(wǎng)頁，它們需要借助龐大的“爬蟲”集群來實現(xiàn)搜索功能。

當前，“爬蟲”已被廣泛用于電子商務(wù)、互聯(lián)網(wǎng)金融等諸多領(lǐng)域。比如，“爬蟲”可以抓取航空公司官網(wǎng)的機票價格，發(fā)現(xiàn)低價或緊俏機票后，“爬蟲”可以利用虛假客源的真實身份信息實現(xiàn)搶先預(yù)訂。再有，很多互聯(lián)網(wǎng)瀏覽器都推出了自己的搶票插件，以高訂票成功率來推廣瀏覽器。

根據(jù)抓取任務(wù)和目標的不同，網(wǎng)絡(luò)“爬蟲”可大致分為批量型、增量型和垂直型。批量型“爬蟲”的抓取范圍和目標較為明確，可以是網(wǎng)頁的設(shè)定數(shù)量，也可以是消耗時間的設(shè)定。增量型“爬蟲”主要用于持續(xù)抓取更新的網(wǎng)頁，以適應(yīng)網(wǎng)頁的不斷變化。垂直型“爬蟲”主要是用于特定主題內(nèi)容或特定行業(yè)的網(wǎng)頁。